改进YOLOv4算法的复杂视觉场景行人检测方法.docx

1 引言 行人检测是近年来计算机视觉领域的研究热点，同时也是目标检测领域中的难点。其目的是识别和定位图像中存在的行人，在许多领域中都有广泛的应用[1]。交通安全方面，无人驾驶汽车通过提前检测到行人及时避让来避免交通事故的发生；安防保护方面，通过行人检测来防止可疑人员进入；公共场所管理方面，通过行人检测统计人流量数据，优化人力物力等资源的分配[2]。 传统检测方法利用的大部分特征都是通过手工设计的。Viola 和 Jones[3]在 2001 年采用Haar+AdaBoost 的人脸检测框架进行行人检测。Dalal和Triggs[4]在2005年提出了HOG+SVM的框架来检测行人。随后研究者将